Pokyny pro vypracování
1) Seznamte se s dostupnými technologiemi pro autentizaci uživatelů pomocí biometrie.
2) Zaměřte se rozpoznávání oční duhovky. Popište současný stav vědění, metody, techniky, postupy.
3) Navrhněte systém umožňující rozpoznávání uživatelů pomocí oční duhovky. Soustřeďte se na minimalizaci ceny a použití běžně dostupných komponent.
4) Naprogramujte základní funkce pro realizaci rozpoznávání podle duhovky jako knihovnu a demonstrační program k ní.
5) Analyzujte bezpečnostní aspekty svého řešení: Spolehlivost rozpoznání vzhledem k měnícím se parametrům, zneužitelnost uložené informace, odolnost vůči útočníkům.
6) Diskutujte své výsledky.
Zadání bakalářské práce
Název: Autentizace uživatelů pomocí oční duhovky
Student: Pavla Louthánová
Vedoucí: Ing. Josef Kokeš
Studijní program: Informatika
Obor / specializace: Bezpečnost a informační technologie Katedra: Katedra počítačových systémů Platnost zadání: do konce letního semestru 2021/2022
Bakalářská práce
Autentizace uživatelů pomocí oční duhovky
Pavla Louthánová
Katedra počítačových systémů Vedoucí práce: Ing. Josef Kokeš
Poděkování
Prohlášení
Prohlašuji, že jsem předloženou práci vypracovala samostatně a že jsem uvedla veškeré použité informační zdroje v souladu s Metodickým pokynem o dodr- žování etických principů při přípravě vysokoškolských závěrečných prací.
Beru na vědomí, že se na moji práci vztahují práva a povinnosti vyplývající ze zákona č. 121/2000 Sb., autorského zákona, ve znění pozdějších předpisů, zejména skutečnost, že České vysoké učení technické v Praze má právo na uzavření licenční smlouvy o užití této práce jako školního díla podle § 60 odst. 1 citovaného zákona.
České vysoké učení technické v Praze Fakulta informačních technologií
© 2021 Pavla Louthánová. Všechna práva vyhrazena.
Tato práce vznikla jako školní dílo na Českém vysokém učení technickém v Praze, Fakultě informačních technologií. Práce je chráněna právními před- pisy a mezinárodními úmluvami o právu autorském a právech souvisejících s právem autorským. K jejímu užití, s výjimkou bezúplatných zákonných li- cencí a nad rámec oprávnění uvedených v Prohlášení na předchozí straně, je nezbytný souhlas autora.
Odkaz na tuto práci
Louthánová, Pavla. Autentizace uživatelů pomocí oční duhovky. Bakalářská práce. Praha: České vysoké učení technické v Praze, Fakulta informačních technologií, 2021.
Abstrakt
Práce se zabývá rozpoznáváním uživatelů pomocí oční duhovky. Náplní re- šeršní části práce je seznámení s biometrickými metodami a systémy pro au- tentizaci uživatelů. Následně se práce zaměřuje na rozpoznávání oční duhovky.
V praktické části práce je s přihlédnutím na minimalizaci ceny a použití běžně dostupných komponent navrhnut systém umožňující snímání oční duhovky a vytvoření vlastní databáze snímků. Dále jsou implementovány jednotlivé fáze rozpoznávání, datové úložiště a demonstrační program. Na závěr je dis- kutována časová náročnost, spolehlivost a bezpečnost implementace.
Klíčová slova biometrie, rozpoznávání duhovky, biometrická identifikace, biometrická verifikace, Python, MongoDB, Raspberry Pi
Abstract
The work deals with the recognition of users using their irises. The research part of the thesis acquaintances the reader with biometric methods and sys- tems for user authentication. Subsequently, the work focuses on the recog- nition of the iris. In the practical part of the work, taking into account the minimization of the price and the use of commonly available components, a system for scanning the iris and to create its own database of images is de- signed. Furthermore, the individual phases of recognition, data storage and demonstration program are implemented. Finally, the time required, reliabil- ity and security of implementation are discussed.
Keywords biometrics, iris recognition, biometric identification, biometric verification, Python, MongoDB, Raspberry Pi
Obsah
Úvod 1
1 Biometrie 3
1.1 Biometrické metody . . . 3
1.1.1 Rozpoznávání podle otisku prstu . . . 4
1.1.2 Rozpoznávání podle oční sítnice . . . 6
1.1.3 Rozpoznávání podle geometrie ruky . . . 7
1.1.4 Rozpoznávání podle krevního řečiště ruky . . . 8
1.1.5 Rozpoznávání podle obličeje . . . 8
1.1.6 Rozpoznávání podle hlasu . . . 9
1.1.7 Rozpoznávání podle podpisu . . . 9
1.2 Biometrické systémy . . . 10
1.2.1 Komponenty biometrického systému . . . 10
1.2.2 Zpracování biometrických dat . . . 12
1.2.3 Spolehlivost biometrických systémů . . . 12
1.2.4 Bezpečnost biometrických systémů . . . 15
1.2.5 Testování živosti . . . 16
2 Rozpoznávání oční duhovky 17 2.1 Proces rozpoznávání . . . 17
2.2 Anatomie oka . . . 18
2.3 Získání obrazu . . . 20
2.4 Segmentace . . . 20
2.4.1 Houghova transformace . . . 20
2.4.2 Integro-diferenciální operátor . . . 21
2.5 Normalizace . . . 21
2.5.1 Daugmanův model hrubého zarovnání . . . 21
2.6 Extrakce příznaků . . . 22
2.6.1 2D Gaborův filtr . . . 22
2.6.2 Lokální binární vzor . . . 24
2.7 Porovnání . . . 24
2.7.1 Hammingova vzdálenost . . . 24
2.7.2 Euklidovská vzdálenost . . . 25
3 Zařízení pro snímání oční duhovky 27 3.1 Snímací zařízení . . . 27
3.2 Orientační pořizovací ceny . . . 29
3.3 Databáze snímků duhovek . . . 29
4 Implementace 31 4.1 Implementace rozpoznávání duhovky . . . 31
4.1.1 Předzpracování . . . 31
4.1.2 Segmentace . . . 31
4.1.3 Normalizace . . . 34
4.1.4 Extrakce charakteristických rysů . . . 37
4.1.5 Porovnání . . . 37
4.2 Implementace datového úložiště . . . 38
4.2.1 Datové úložiště . . . 38
4.2.2 Validace dokumentů . . . 39
4.2.3 Dotazy . . . 41
4.2.4 Indexy . . . 42
4.2.5 Verifikace . . . 42
4.2.6 Identifikace . . . 45
4.2.7 Zabezpečení . . . 46
5 Demonstrační program 49 5.1 Přihlášení . . . 49
5.2 Registrace . . . 50
5.3 Verifikace . . . 51
5.4 Identifikace . . . 52
6 Vyhodnocení 53 6.1 Časová náročnost . . . 53
6.2 Vliv hodnoty prahu na spolehlivost a bezpečnost systému . . . 55
6.3 Výsledky porovnání . . . 58
6.4 Útok na snímací zařízení . . . 60
6.5 Registrace . . . 62
6.6 Komunikace aplikace s databází . . . 62
6.7 Uložená data . . . 62
Závěr 63
Literatura 65
xii
A Seznam použitých zkratek 69
B Obsah přiloženého DVD 71
Seznam obrázků
1.1 Třídy otisků prstů . . . 6
1.2 Obraz sítnice . . . 7
1.3 Schéma obecného biometrického systému . . . 11
1.4 Histogram rozdělení míry ztotožnění . . . 14
1.5 Slabá místa biometrického systému . . . 15
2.1 Proces rozpoznávání oční duhovky . . . 17
2.2 Anatomie oka . . . 18
2.3 Struktura duhovky . . . 19
2.4 Daugmanův model hrubého zarovnání . . . 22
2.5 Fázová kvantizace . . . 23
2.6 Použití posunů při porovnávání kódů duhovek . . . 26
3.1 Raspberry Pi Zero WH . . . 27
3.2 Kamera Waveshare IR-CUT (B) . . . 28
4.1 Histogram pořízeného snímku oka v odstínech šedi . . . 32
4.2 Detekce vnitřního okraje duhovky . . . 33
4.3 Detekce vnějšího okraje duhovky . . . 34
4.4 Proces normalizace duhovky . . . 35
4.5 Nesprávně zvolený krok pro normalizaci duhovky . . . 36
4.6 Správně zvolený krok pro normalizaci duhovky . . . 36
4.7 Normalizovaná duhovka . . . 36
4.8 Normalizovaná duhovka se zvýšeným kontrastem . . . 36
5.1 Demonstrační program – přihlášení do aplikace . . . 49
5.2 Demonstrační program – registrace uživatele . . . 50
5.3 Demonstrační program – verifikace uživatele . . . 51
5.4 Demonstrační program – identifikace uživatele . . . 52
6.1 Závislost doby běhu na velikosti databáze . . . 54
6.2 Rozložení HD – oprávnění a neoprávnění uživatelé . . . 57
6.3 Rozložení HD – stejné duhovky . . . 58
6.4 Rozložení HD – pravé a levé duhovky . . . 59
6.5 Rozložení HD – různé duhovky . . . 60
xvi
Seznam tabulek
1.1 Základní biometrické metody a jejich charakteristiky . . . 4
3.1 Orientační pořizovací ceny . . . 29
4.1 Kombinace bitů . . . 37
6.1 Průměrné časy jednotlivých kroků rozpoznávání . . . 53
6.2 Průměrné časy registrace, verifikace a identifikace . . . 54
6.3 Průměrné časy porovnání v závislosti na velikosti databáze . . . . 54
6.4 Vliv prahové hodnoty na spolehlivost a bezpečnost systému . . . . 56
6.5 Hodnoty Hammingovy vzdálenosti – osoba 1 . . . 61
6.6 Hodnoty Hammingovy vzdálenosti – osoba 2 . . . 61
6.7 Hodnoty Hammingovy vzdálenosti – osoba 3 . . . 61
Úvod
Lidé jsou schopni rozpoznávat jiné osoby podle obličeje, hlasu, způsobu chůze, typu písma či podpisu. Biometrie je technika, která umožňuje ověřit identitu jednotlivce pomocí jedné nebo více jeho jedinečných osobnostních charakte- ristik. Její výhodou je zvýšení úrovně zabezpečení pomocí identifikačních dat, která na rozdíl od hesel a karet nelze ztratit či zapomenout, protože přímo souvisejí s tělem nebo chováním jednotlivce.
Biometrické systémy byly před veřejností dlouho skrývány. Jednalo se totiž především o zařízení chránící tajemství. Příkladem byla kosmická střediska, vojenské jaderné laboratoře nebo řídící operační centrály. Teprve s expanzí výpočetní techniky došlo k jejich rozšíření i do civilní sféry.
Duhovka je barevnou částí oka, kterou lze pozorovat pouhým pohledem.
Barva a textura duhovky jsou u každého jedince zcela jedinečné. Poskytují velké množství informací, které lze využít k biometrickým účelům.
Cílem teoretické části bakalářské práce je seznámit se s biometrickými metodami a následně se podrobněji zaměřit na biometrické rozpoznávání osob podle oční duhovky.
Cílem praktické části je navrhnout snímací systém s přihlédnutím na cenu a dostupnost komponent, implementovat základní funkce pro realizaci rozpo- znávání osob podle oční duhovky, vytvořit demonstrační program a analyzovat bezpečnostní aspekty svého řešení.
Kapitola 1
Biometrie
Tato kapitola je rozdělena do dvou částí. V první části jsou popsány nejpou- žívanější biometrické metody. Popis rozpoznávání oční duhovky je vynechán, jelikož je obsahem následující kapitoly. V druhé části je popsán základní prin- cip obecného biometrického systému, hodnocení spolehlivosti a přehled poten- ciálně zranitelných míst.
1.1 Biometrické metody
Pojem biometrie pochází z řečtiny a je složen ze slov bios a metron. První slovo znamená život, druhé měřítko. Termín biometrie má v různých oborech odlišný význam. V biomedicínské oblasti biometrie označuje měření a statistic- kou analýzu biologických dat. V oboru informačních technologií je biometrie definována jako automatizované rozpoznávání jedinců na základě jejich cha- rakteristických rysů. [1]
Biometrické metody jsou založené na automatizovaném měření a porov- návání biometrických charakteristik člověka. Biometrické charakteristiky, též nazývané biometriky, jsou měřitelné vlastnosti člověka, které jsou pro kaž- dého jedinečné. Lze je rozdělit do dvou kategorií – na anatomicko-fyziologické a behaviorální. [1]
Anatomicko-fyziologické biometrické charakteristiky jsou založené na vro- zených rysech jedince. Jedná se o části lidského těla. Do této kategorie patří například otisk prstu, obličej, oční duhovka, oční sítnice, geometrie ruky, ob- raz krevního řečiště a DNA. Tyto biometrické vlastnosti jsou unikátní a časově stálé. [2]
Behaviorální biometrické charakteristiky odrážejí specifické rysy lidského chování. Do této kategorie lze zařadit například hlas, podpis, chůzi a dy- namiku stisku kláves. Tyto vlastnosti jsou sice jedinečné, avšak mohou být vlivem různých faktorů časově nestálé. Jsou poměrně jednoduše ovlivnitelné, každé nasnímání dané biometrické vlastnosti může vést k naprosto odlišné
1. Biometrie
sadě biometrických vzorků. Používají se proto v praxi méně často než metody anatomicko-fyziologické. [2]
Ne všechny anatomicko-fyziologické nebo behaviorální vlastnosti člověka lze považovat za biometriky. Pro funkčnost biometrického systému a jeho praktické nasazení je důležité, aby vybraná biometrická vlastnost splňovala v co možná největší míře určitá kritéria. Dle [3, 4] mezi základní kritéria patří:
• Jedinečnost: Vlastnost musí být dostatečně unikátní, aby bylo možné od sebe odlišit dva jedince s vysokou spolehlivostí a přesností.
• Univerzálnost: Vlastnost musí být měřitelná u co možná největší mno- žiny osob.
• Stálost: Charakteristiky, na kterých je založená daná vlastnost, musí být neměnné v čase.
• Měřitelnost: Biometrická vlastnost musí být měřitelná.
• Přijatelnost: Vlastnost musí být snadno a pohodlně měřitelná. Snímání, zpracování, uchovávání a vyhodnocování biometrických údajů by mělo být přijatelné pro vysoké procento lidí.
Tabulka 1.1 porovnává základní biometrické metody na základě výše uve- dených vlastností. Každá metoda je ohodnocena mírou splnění dané vlastnosti, symbol (+) označuje míru vysokou, (0) reprezentuje míru střední a (−) značí míru nízkou.
Tabulka 1.1: Základní biometrické metody a jejich charakteristiky [5]
Biometrická metoda Jedinečnost Univerzálnost Stálost Měřitelnost Přijatelnost
Obličej − + 0 + +
Otisk prstu + 0 + 0 0
Geometrie ruky 0 0 0 + 0
Krevní řečiště ruky 0 0 0 0 0
Oční duhovka + + + 0 −
Oční sítnice + + 0 − −
Podpis − 0 − + +
Hlas − 0 − 0 +
1.1.1 Rozpoznávání podle otisku prstu
Otisk prstu je tvořen kresbou papilárních linií vytvářející určitou grafickou po- dobu. Jedná se o zvrásnění kůže, která jsou formována během embryonálního vývoje. Tento vzor zůstává po celý život jedince relativně neměnný. S přibý- vajícím věkem se sice mění rozměry prstů, ale struktura linií zůstává stejná.
Papilární linie jsou obnovovány dorůstáním kůže, nemohou tak být jednoduše
4
1.1. Biometrické metody pozměněny či odstraněny. Pokud ovšem dojde k poškození epidermální vrstvy kůže, pak již na tomto místě k obnově papilárních linií nedojde. [6]
Vzor tvořený papilárními liniemi jednoznačně určuje fyzickou identitu člo- věka, lze tak na jeho základě rozlišovat jedince mezi sebou. Identifikace osob vyžaduje porovnání otisku prstu s velkým množstvím otisků uložených v da- tabázi. Tento proces je velice výpočetně náročný. K rychlejšímu porovnávání slouží klasifikace otisků prstů podle jejich typické kresby, která je nazývána třídou otisku prstu. Otisky prstů jsou rozděleny do příslušných tříd. Porovná- vání je pak provedeno pouze v podmnožině databáze, která odpovídá příslušné třídě. Mezi základní třídy patří oblouk, smyčka a vír, z nichž jsou odvozeny další třídy, jako je klenutý oblouk, pravá smyčka, levá smyčka, případně dvo- jitá smyčka. [1]
Otisky prstů jsou mezi sebou rozlišovány na základě speciálních útvarů, tzv. markantů, které tvoří papilární linie. K základním markantům patří ukon- čení, vidlička, očko, hák, křížení, boční kontakt, bod, interval, smyčka, most.
Daktyloskopické metody využívané v kriminalistice používají velké množství těchto markantů. Naproti tomu přístupové systémy používají pouze ukončení papilární linie a vidličku. [2]
V biometrických systémech se pro nasnímání otisků používají různé druhy kontaktních a bezkontaktních snímačů. Jedná se například o technologii optic- kou, kdy je prst přiložen na osvětlenou skleněnou plochu senzoru a nasnímán kamerou. V případě technologie kapacitní je senzor tvořen maticí malých vo- divých plošek. Při snímání otisku se pak využívá rozdílu kapacity mezi deskou snímače a povrchem prstu. Podstatou ultrazvukové technologie je rotující ul- trazvukový vysílač a přijímač, který odrazem ultrazvukových vln snímá otisk prstu. [1]
Prvním krokem při zpracování zaznamenaného otisku prstu je potlačení nežádoucích částí obrazu, tzv. šumu, a zvýraznění papilárních linií. Obraz otisku je rozdělen na malé části, ve kterých je u každé papilární linie určen její směr. Tento filtr je následně aplikován na každý bod obrazu. Tím jsou zvý- razněny všechny obrazové body, které se nacházejí ve směru papilární linie ve stejné oblasti a naopak potlačeny body, které jsou orientovány jiným směrem.
Tímto je odstraněn nežádoucí šum. Následuje binarizace obrazu, kdy je původ- ních 256 odstínů šedé barvy převedeno do dvou binárních hodnot, nesoucích význam černé a bílé barvy. Papilární linie jsou reprezentovány černou barvou, pozadí kresby papilárních linií bílou. Posledním krokem předzpracování ob- razu je skeletizace, ztenčení papilárních linií na tloušťku jednoho obrazového bodu. Dalším krokem je detekce a extrakce markantů. Detekují se dva zá- kladní typy – ukončení papilární linie a vidlička. Ostatní typy markantů jsou kombinací těchto dvou základních typů. Ke každému markantu se ukládají údaje o pozici (souřadnice x a y), typu (ukončení nebo vidlička) a orientaci (směr papilární linie). Výsledek extrakce markantů je porovnán s uloženou šablonou z databáze. [1]
1. Biometrie
e)
c)
d)
b) a)
Obrázek 1.1: Třídy otisků prstů: a) levá smyčka, b) pravá smyčka, c) vír, d) oblouk, e) klenutý oblouk [7]
1.1.2 Rozpoznávání podle oční sítnice
Sítnice není pozorovatelná pouhým pohledem, nachází se v zadní části oka.
Obsahuje buňky citlivé na světlo, tzv. tyčinky a čípky. Tyčinky detekují inten- zitu světla a umožňují tak černobílé vidění. Čípky detekují barvy a zprostřed- kovávají barevné vidění. Na sítnici jsou pozorovatelné dva významné body – žlutá a slepá skvrna. Slepá skvrna je místem, kde do oka ústí zrakový nerv a neobsahuje žádné světločivé buňky. Žlutá skvrna je místem nejostřejšího vidění, obsahuje největší množství čípků. Sítnice je vyživována pomocí cév- natky, což je vrstva mezi sítnicí a bělimou, která obsahuje cévy a pigment absorbující nadbytek světla. [8]
Pro snímání sítnice se používá speciální kamera. Sítnice je osvětlena pa- prskem infračerveného světla, který je částečně odražen zpět a zaznamenán kamerou. Při osvětlení se sítnice jeví jako téměř průhledná. Pro rozpozná- vání osob se využívá odrazu vzoru cév v cévnatce, která se nachází za sítnicí.
Pro usnadnění snímání slouží fixační bod, který uživatel v průběhu snímání 6
1.1. Biometrické metody sleduje. Výsledkem je kruhový snímek vzoru cév, ze kterého se dále zpraco- vává pouze prstencová oblast (obrázek 1.2). Šablona sítnice je reprezentována jako pole čísel, která reprezentují kontrast rovnoměrně rozmístěných bodů na nasnímaném kruhu. Při snímání může mít uživatel mírně pootočenou hlavu, proto je použit rotační algoritmus, který posunuje data a hledá nejlepší shodu nasnímaného vzorku s uloženým referenčním záznamem. [2]
oblast snímání
slepá skvrna
Obrázek 1.2: Obraz sítnice [2]
1.1.3 Rozpoznávání podle geometrie ruky
K rozlišení jedinců mezi sebou se využívá kombinace rozměrů délky, šířky, tloušťky a tvaru prstů. Od dospělosti se identifikační charakteristiky nemění.
Případné změny mohou nastat změnou tloušťky prstů a dlaně, nebo mohou být způsobeny některými onemocněními či úrazy. [1]
Uživatel položí ruku na plochu skeneru, která je opatřena speciálními fi- xačními kolíky tak, aby při každém snímání byla poloha ruky pokud možno stejná. Následně je kamerou nasnímán černobílý obraz siluety ruky. Jeden obraz je snímán ze shora kolmo na rovinu snímací desky. Druhý obraz je sní- mán zboku pomocí postranního zrcadla. Skener snímá pouze siluetu dlaně s prsty, ignoruje délku nehtů, neboť se v čase velmi rychle mění a ovlivňuje tak měřené charakteristiky. Plocha skeneru je tvořena podložkou z leštěného materiálu, který odráží dopadající světlo. Tím je zvýšen kontrast mezi rukou a podložkou, což značně usnadňuje separaci ruky od pozadí. V případě pou- žití přídavného zrcadla pro nasnímání boční siluety ruky je reflexní podložka umístěna i na boční snímací stěnu. Naměřené rozměry ruky jsou konvertovány
1. Biometrie
do biometrické šablony. Referenční šablona vznikne jako aritmetický průměr trojího snímání, což eliminuje drobné nepřesnosti umístění ruky. Při verifikaci se porovnávají vzdálenosti předem určených bodů, jejichž počet a umístění záleží na konkrétním biometrickém zařízení. [2]
Tato biometrická metoda neposkytuje příliš mnoho informací, proto je používána výhradně v komerčně-bezpečnostní sféře v režimu verifikace a nelze ji používat pro identifikační účely [2]. Mohlo by totiž snadno dojít k záměně identity s jinou osobou. Více informací o verifikaci a identifikaci lze nalézt v části 1.2.2.
1.1.4 Rozpoznávání podle krevního řečiště ruky
Lidská ruka je protkána sítí cév. Jejich rozmístění je specifické pro každého jedince. Pro biometrické účely lze využít krevní řečiště na hřbetu ruky, na dlani ruky nebo v prstech rukou.
Ruka je osvětlena infračerveným zdrojem světla, které je pohlcováno hemo- globinem v cévách a dochází tak k jejich zvýraznění. K nasnímání je použita monochromatická CCD kamera, která je citlivá na blízké infračervené záření.
Existují dvě metody snímání. Buď je kamera spolu se světelným zdrojem umís- těna na stejné straně ruky, pak se jedná o tzv. reflexivní metodu, nebo je ruka prosvícena, v tomto případě je ruka vložena mezi zdroj světla a kameru a jedná se o tzv. transmisivní metodu. [1]
Po nasnímání obrazu krevního řečiště ruky je obraz zpracován. Nejprve je oblast nasnímané ruky segmentací oddělena od pozadí. Poté je třeba oddělit cévy od pozadí, odstranit šum a neostré hrany. Výsledkem je binární obraz sítě cév ze kterého je vygenerována biometrická šablona. [2]
1.1.5 Rozpoznávání podle obličeje
Rozpoznávání osoby na základě obličeje je pro člověka přirozeným způsobem identifikace, kterého využívá běžně v každodenním životě při styku s jinými osobami. Lidský obličej je jedinečný, avšak jeho rozpoznávání může být ovliv- něno celou řadou faktorů. Jedná se například o mimiku, změnu účesu, úpravu vousů, make-up, brýle, pokrývky hlavy, změnu osvětlení, úhel snímání nebo stárnutí. Existuje velké množství metod a algoritmů pro rozpoznávání založené na podobě lidské tváře.
Metoda založená na rozpoznávání obličeje z 2D snímků je nejrozšířenější.
Snímání probíhá kamerou ve viditelném světle. Prvním krokem je detekce a lokalizace obličeje v rámci obrazu. Nalezený obličej je následně normalizo- ván, čímž dojde ke kompenzaci různého osvětlení, natočení hlavy, pozici hlavy a velikosti hlavy. V dalším kroku jsou extrahovány rysy pomocí filtrace či sta- tistické analýzy. Nakonec je vyhodnocena podobnost se šablonou nebo sadou šablon. [1]
8
1.1. Biometrické metody Metoda založená na rozpoznávání obličeje z 3D snímku používá speciální snímací zařízení. Na rozdíl od 2D je pro každý bod obrazu uložená informace o jeho hloubce. Získaný 3D obraz je třeba normalizovat. Normalizace probíhá přes detekci klíčových bodů, jimiž jsou koutky očí a špička nosu. Po jejich správné detekci lze model transformovat do výchozí polohy, ve které se před- pokládá vysoká míra korelace mezi dvěma modely stejného obličeje. Nakonec jsou aktuální data porovnána s referenční šablonou uloženou v databázi. [1]
Další možností je rozpoznávání obličeje na základě termosnímku. Snímky jsou pořizovány v infračerveném světle pomocí speciálního zařízení, termoka- mery. Výstupem jsou pak obrázky termomap obličeje, které jsou založené na rozložení tepla v obličeji a jeho vyzařování do okolí. Rozdíly teplot jsou vy- jádřeny pomocí barev, které dle teploty utvářejí obrazce. V termomapách se hledají pozice očí, nosu, úst a tvar obličeje. Dalším krokem je překryv obou termoobličejů a jejich zarovnání. V poslední části se hledá podobnost mezi snímky. Rozpoznávání pak probíhá na základě porovnávání těchto tvarů ob- razců. Tato technologie je nezávislá na vnějším osvětlení, při kterém je tvář snímána. Teplota obličeje se může měnit působením různých vlivů, rozložení teplotních ploch však zůstává obdobné. [2]
1.1.6 Rozpoznávání podle hlasu
Lidský hlas je tvořen v hrtanu, kde vydechovaný vzduch naráží do napnutých hlasivek a rozechvívá je. Díky vibraci hlasivek a střídavému rozevírání a za- vírání hlasové štěrbiny je v hrtanu tvořen zvuk. Jeho modifikací na podkladě rezonance v dutině hrtanu, úst, nosu, vedlejších nosních dutin a za použití artikulačních svalů tváří, jazyka, dásní, zubů a rtů, dochází k tvorbě hlásek lidské řeči. [9]
Hlas je nasnímán mikrofonem, zpracován a následně rozpoznáván. Systémy pro rozpoznávání hlasu mohou být rozděleny podle typu textu, který uživatel při snímání vyslovuje, na systémy textově závislé, s textovou výzvou a textově nezávislé. Textově závislé systémy využívají stejnou část textu pro registraci i pro následné rozpoznávání. V případě systémů s textovou výzvou není sek- vence slov, které mají být vysloveny, uživateli předem známá. Systém požádá uživatele o vyslovení náhodně vybrané sekvence slov, poté provede rozpozná- vání obsahu řeči, aby si ověřil, že uživatel opravdu řekl očekávanou sekvenci slov. Pokud je rozpoznání řeči úspěšné, proběhne identifikace mluvčího podle hlasu. U textově nezávislých systémů nejsou kladena žádná omezení na text, který je uživatelem vyřčen, není tedy předem známo, co uživatel vysloví. [2]
1.1.7 Rozpoznávání podle podpisu
Obecně lze rozdělit systémy rozpoznávající osoby podle podpisu na on-line systémy a off-line systémy. Pro rozpoznávání podpisu je využíváno statických nebo dynamických vlastností podpisu.
1. Biometrie
Off-line systémy využívají statických vlastností podpisu a je uchováván pouze výsledek psaní. Podpis je napsán na papír a následně naskenován nebo nasnímán kamerou. Po nasnímání je podpis předzpracován. Binarizací je ob- raz podpisu převeden z odstínů šedi do binární podoby. Vyhlazováním je z ob- razu odstraněn šum, normalizací je obraz převeden do určitého definovaného měřítka. Nakonec je podpis skeletizován na šířku jednoho obrazového bodu, čímž vznikne základní kostra podpisu. Srovnání získaného vzorku s referenč- ním vzorkem pak probíhá na základě porovnání tvaru podpisu. Mezi statické charakteristiky podpisu patří například začátky a konce jednotlivých částí podpisu, křížení, uzavřené oblasti, tah směrem vzhůru, křivky a smyčky. [2]
On-line systémy získávají data v reálném čase pomocí tabletu či pera.
Tyto systémy využívají statických i dynamických vlastností podpisu. Kromě obrazové podoby podpisu je zaznamenán také tlak pera, průběh a rychlost psaní. [2]
1.2 Biometrické systémy
Biometrické systémy umožňují automatizované rozpoznávání osob na základě jejich charakteristických rysů. Rozpoznávání osob je založeno na jednoznačné identitě jedince. Je důležité rozlišovat mezi identitou fyzickou a elektronickou.
Fyzická identita je definována vzhledem a chováním člověka, které jsou pro každého naprosto unikátní. Avšak elektronických identit může mít jedinec více. Jedná se například o on-line účty a identifikační karty. [1]
Autentizace je proces ověření identity. Identitu je možné prokázat třemi základními způsoby, tzv. autentizačními faktory. Prvním z nich je znalost.
Metoda je postavená na znalosti tajné informace, která je známá pouze opráv- něné osobě. Jedná se například o znalost hesla nebo PINu. Druhým faktorem je vlastnictví. Uživatel vlastní nějaký technický prostředek. Může jím být či- pová karta nebo klíč. Posledním faktorem je biometrie. Jedná se o identifikaci na základě biometrických charakteristik člověka. Příkladem může být otisk prstu nebo oční duhovka. Každý z uvedených autentizačních faktorů má své výhody a nevýhody. Za účelem dosažení vyšší úrovně bezpečnosti se v praxi faktory často vzájemně kombinují, jedná se o tzv. vícefaktorovou autentizaci.
1.2.1 Komponenty biometrického systému
Mezi postupy biometrického zpracování jednotlivých biometrických charakte- ristik existují společné rysy, které lze zobecnit. Na obrázku 1.3 je znázorněno schéma obecného biometrického systému, který je složen z následujících zá- kladních částí:
10
1.2. Biometrické systémy
• Biometrický senzor: Slouží k získání biometrického vzorku.
• Extraktor markantů: Zde je vzorek nasnímané biometrické vlastnosti zpracován. Jsou extrahovány biometrické markanty na jejichž základě je vytvořena biometrická šablona.
• Porovnávací modul: Porovnává právě získanou šablonu s jednou šablo- nou či více šablonami z databáze. Výsledkem je skóre porovnání.
• Rozhodovací modul: Zde dochází k rozhodnutí na základě získaného skóre porovnání a nastaveného prahu. Výsledkem je rozhodnutí o tom, zda je identita přijata či odmítnuta nebo nalezena či nenalezena.
• Databáze: Obsahuje biometrické referenční šablony a informace o elek- tronické identitě.
Identita
Databáze Senzor Extraktor rys?
Senzor Extraktor rys?
Senzor Extraktor rys?
Porovnávací modul
Porovnávací modul Registrace
Verifikace
Identifikace
Identita
Biometrická ?ablona Biometrické ?ablony Rozhodovací
modul
Rozhodovací modul Biometrická
?ablona U?ivatel
U?ivatel
U?ivatel
Obrázek 1.3: Schéma obecného biometrického systému [10]
1. Biometrie
1.2.2 Zpracování biometrických dat
Činnost biometrického systému lze rozdělit do dvou fází zpracování. První fází je registrace, též označována jako zavedení. Druhou fází je rozpoznávání, které lze provádět v režimu verifikace nebo identifikace.
Dříve než bude uživatel používat biometrický systém k rozpoznávání, musí databáze obsahovat jeho referenční biometrickou šablonu. Při registraci uživa- tele je nejprve pomocí biometrického senzoru sejmut jeho biometrický vzorek dané vlastnosti. Kvalita pořízeného vzorku je velmi důležitá, protože podstatně ovlivňuje úspěšnost pozdějšího rozpoznávání. Spolu s prezentací biometrické vlastnosti uživatel předkládá informaci o své identitě. Vzorek je po sejmutí zpracován, dochází k extrakci biometrických markantů, které daného uživatele jednoznačně identifikují. Následně je vytvořena referenční šablona a uložena společně s identifikací uživatele do databáze. K vytvoření referenční šablony je často požadováno opakované měření biometrické vlastnosti uživatele, aby se dosáhlo co největší kvality referenční šablony.
Poté, co je uživatel zaregistrován, může systém používat k rozpoznávání (verifikaci či identifikaci). Během fáze rozpoznávání je pomocí senzoru se- jmut biometrický vzorek, který je dále zpracován obdobným způsobem jako je tomu u registrace. Získaná biometrická šablona ovšem není uložena do data- báze, ale je porovnána s příslušnou referenční šablonou nebo více referenčními šablonami z databáze. Na základě výsledného skóre, porovnaného s praho- vou hodnotou, dojde k rozhodnutí o úspěchu či neúspěchu rozpoznání daného uživatele.
Při verifikaci uživatel předkládá systému kromě své biometrické vlastnosti také svou elektronickou identitu, na jejímž základě je v databázi vyhledána příslušná biometrická šablona. Pokud záznam v databázi neexistuje, je pří- stup uživatele zamítnut. Pokud je ovšem záznam úspěšně nalezen, dojde k po- rovnání šablon. Verifikace je označována jako porovnání 1:1, porovnává se totiž jedna právě vytvořená šablona s jednou referenční šablonou z databáze.
V případě shody dojde k potvrzení identity, v opačném případě je identita nepotvrzena. Cílem verifikace je tedy ověřit fyzickou identitu osoby.
Při identifikaci uživatel předkládá systému svou biometrickou vlastnost, ale na rozdíl od verifikace systému nesděluje svou elektronickou identitu. Iden- tifikace je označována jako porovnání 1:N, protože je porovnána jedna aktu- álně získaná šablona se všemi uloženými šablonami z databáze. Výstupem je buď nalezená identita a nebo je identita nenalezena. Cílem identifikace je tedy rozpoznat jedince, nalézt jeho elektronickou identitu.
1.2.3 Spolehlivost biometrických systémů
Cílem verifikace a identifikace je jednoznačné a bezchybné ověření nebo na- lezení identity. Je prakticky nemožné, aby uživatel při rozpoznávání poskytl systému naprosto stejný biometrický vzorek jako během procesu registrace.
12
1.2. Biometrické systémy V důsledku toho se pak mohou lišit i porovnávané šablony. Proto je nutné povolit určitou variabilitu mezi srovnávanými vzorky.
Výsledek biometrického porovnání je závislý na nastaveném prahu. Jeho hodnota udává, zda má být skóre porovnání interpretováno jako shoda nebo neshoda. Po porovnání výsledného skóre s prahem vyhodnotí biometrický sys- tém závěr, který může skončit správným nebo chybným rozhodnutím. Toto rozhodnutí může být ovlivněno tzv. vnitrotřídní či mezitřídní variabilitou.
Vnitrotřídní variabilita označuje rozdíly, které nastanou u jednoho kon- krétního jedince během různých snímání. Při snímání může být jedinec ovliv- něn svým psychickým a fyzickým stavem. Každá biometrická vlastnost se tak může při jednotlivých snímáních projevit s drobnou odlišností. Tato variabilita je nežádoucí, měla být u dané biometriky co nejnižší, aby nebyl jedinec zamě- něn z někým jiným. Ideálním stavem je nulová vnitrotřídní variabilita. Jedná se například o změnu výrazu obličeje nebo stárnutí jedince při rozpoznávání obličeje. [1]
Mezitřídní variabilita označuje rozdílnost jedinců mezi sebou. Tato míra by měla být u dané biometriky co nejvyšší, aby bylo možné jednoznačně odlišit jednoho jedince od druhého. Problém s nízkou mezitřídní variabilitou často nastává například u jednovaječných dvojčat při rozpoznávání obličeje. [1]
V důsledku vysoké vnitrotřídní variability nebo nízké mezitřídní variability se biometrický systém může při rozhodovaní o správnosti identity dopouštět chyb. Chyba prvního typu, též označována jako chybné odmítnutí oprávně- ného uživatele, nastává pokud jsou dvě šablony od stejného jedince rozpoznány jako odlišné. Chyba druhého typu, též nazývána chybné přijetí neoprávněného uživatele, nastává pokud jsou dvě šablony od dvou odlišných jedinců rozpo- znány jako shodné. Z uvedených chybových stavů jsou odvozeny chybové míry, které se používají při hodnocení spolehlivosti a bezpečnosti biometrických sys- témů. [1]
VeličinaF RRudává, s jakou pravděpodobností biometrický systém chybně rozpozná dva biometrické vzorky od stejné osoby jako odlišné. Ve výsledku je uživatel v případě verifikace odmítnut, v případě identifikace není vůbec ne- nalezen. Musí se tak znovu pokusit o prokázání své identity. Pravděpodobnost chybného odmítnutí je definována jako:
F RR= NF R NEIA
nebo F RR= NF R NEV A
(1.1) kdeNF Rznačí počet chybných odmítnutí,NEIA je počet pokusů oprávněných osob o identifikaci a NEV A je počet pokusů oprávněných osob o verifikaci. [2]
VeličinaF ARudává, s jakou pravděpodobností biometrický systém chybně rozpozná dva odlišné biometrické vzorky jako shodné. Pravděpodobnost chyb- ného přijetí je definována jako:
F AR= NF A NIIA
nebo F AR= NF A NIV A
(1.2)
1. Biometrie
kdeNF Aje počet chybných přijetí,NIIAje počet pokusů neoprávněných osob o identifikaci aNIV A značí počet pokusů neoprávněných osob o verifikaci. [2]
Hodnota EER, tzv. míra vyrovnání chyb, odpovídá situaci, kdy dochází k rovnosti hodnotF AR a F RR. Při natavení prahu na hodnotu EER bude chybně přijat i chybně odmítnut stejný počet osob. [1]
Na obrázku 1.4 je zobrazen histogram rozdělení míry ztotožnění opráv- něných a neoprávněných uživatelů. Každá z křivek rozdělení odpovídá jedné skupině osob. Jedna křivka znázorňuje rozdělení míry ztotožnění oprávněného uživatele, který se opakovaně podrobil procesu verifikace nebo identifikace.
Druhá křivka znázorňuje rozdělení míry ztotožnění neoprávněných uživatelů, jejichž cílem je proniknout do systému. Dle [2] nastavený práh citlivosti spo- lečně s oběma křivkami rozděluje plochu do čtyř oblastí:
• Oblast číslo 1: Správné přijetí oprávněného uživatele.
• Oblast číslo 2: Správné odmítnutí neoprávněného uživatele.
• Oblast číslo 3: Chybné přijetí neoprávněného uživatele.
• Oblast číslo 4: Chybné odmítnutí oprávněného uživatele.
Oprávněný uživatel, který má výsledné skóre porovnání vyšší než je na- stavený práh, je aplikací akceptován, v opačném případě je odmítnut. Ne- oprávnění uživatelé, kteří mají výsledné skóre porovnání vyšší než je nastavený práh, jsou aplikací akceptováni a v případě nižší hodnoty odmítáni.
Rozd?lení míry ztoto?n?ní neoprávn?ných
u?ivatel?
Frekvence výskyt?
0 10 20 30 40 50 60 70 80 90 100 Rozd?lení míry
ztoto?n?ní oprávn?ného
u?ivatele
% Výsledek (skóre) porovnání ? míra ztoto?n?ní
1 2
3 4
Práh citlivosti porovnání
Obrázek 1.4: Histogram rozdělení míry ztotožnění oprávněných a neoprávně- ných uživatelů [2]
14
1.2. Biometrické systémy 1.2.4 Bezpečnost biometrických systémů
Senzor Extraktor rys? Porovnávací
modul
Rozhodovací modul Databáze
1 2
3
4 5
6
6
6 6
6
Obrázek 1.5: Slabá místa biometrického systému [11]
Každá z komponent biometrického systému může být potenciálním zranitel- ným místem. Na obrázku 1.5 jsou vyznačena slabá místa obecného biometric- kého systému. Čísla v obrázku odpovídají očíslování v následujícím souhrnu typických způsobů napadení biometrického systému dle [1, 11]:
1. Senzor: Snímači může být předložena falešná biometrická vlastnost. Ten- to typ útoku může být proveden při rozpoznávání nebo již ve fázi regis- trace. Dalším možným útokem může být předložení biometrické vlast- nosti oprávněné osoby, avšak neoprávněným způsobem. Jinými slovy, legitimní uživatel může být donucen umožnit přístup do systému útoč- níkovi.
2. Extraktor rysů: Může být vygenerována předem určená množina rysů, která je následně použita pro vygenerování šablony.
3. Databáze: Může dojít k neoprávněnému čtení šablon, modifikaci jednoho nebo více záznamů, záměně šablon, změně vazeb mezi identifikátorem a příslušnou biometrickou šablonou. K záměně šablony, která má být uložena do databáze, může dojít již ve fázi registrace.
4. Porovnávací modul: Porovnávací modul může být ovlivněn, může do- jít k vygenerování předem definovaného skóre porovnání, pomocí něhož může útočník proniknout do systému. Dalším možným útokem může být úprava vstupních dat s ohledem na výsledné skóre porovnání. Pokud se mírnou úpravou dat skóre zvýší, modifikace je zachována, jinak je úprava zahozena. Tento postup je opakován až do dosažení požadovaného vý- sledného skóre.
1. Biometrie
5. Rozhodovací modul: Finální rozhodnutí vygenerované v závislosti na zvolené prahové hodnotě a vypočteném skóre porovnání může být změ- něno.
6. Kanály propojující různé části biometrického systému: Komunikace mezi jednotlivými komponentami biometrického systému může být napadena.
Může dojít k odchycení přenášených biometrických dat, jejich záměně nebo opětovnému zaslání již dříve použitých biometrických údajů. Dále může dojít k manipulaci s výsledným skóre porovnání a finálním roz- hodnutí.
1.2.5 Testování živosti
Testování živosti je pro bezpečnost biometrického systému důležité. V případě některých biometrik není obtížné biometrická data získat. Biometrický systém by měl před samotným zpracováním biometrického vzorku ověřit, zda předlo- žená biometrická charakteristika opravdu pochází od skutečné osoby, která je autentizována.
Při rozpoznávání duhovky může být snímači předložena útočníkem na- příklad fotografie duhovky nebo speciální kontaktní čočka. Existuje několik možností pro ověření živosti duhovky. Jedním ze způsobů je zkoumání po- měru mezi průměrem zornice a duhovky. Zornice mění při změně intenzity světla svůj průměr. Je tedy možné záměrně měnit úroveň osvětlení a sledo- vat reakci zornice. Dalším způsobem může být detekce odrazů od světelných zdrojů. V tomto případě je kamera obklopena několika zdroji světla, které mohou být náhodně zapínány a vypínány. Detekce živosti pak probíhá ana- lyzováním změn odrazu světla v oku. Žádný z těchto testů ovšem nemůže zabránit úspěšné autentizaci oprávněného uživatele, který byl donucen umož- nit přístup někomu jinému. Řešením pak může být například zaregistrování obou očí uživatele, přičemž jedno z očí slouží pro autentizaci uživatele, druhé oko pro detekci tohoto typu útoku. [2]
16
Kapitola 2
Rozpoznávání oční duhovky
V této kapitole jsou popsány nejčastěji používané metody a postupy při roz- poznávání oční duhovky.
2.1 Proces rozpoznávání
Cílem rozpoznávání oční duhovky je jednoznačné určení identity člověka na základě charakteristické textury duhovky. Proces rozpoznávání (obrázek 2.1) obvykle sestává z následujících základních kroků: získání obrazu, segmentace duhovky, normalizace duhovky, extrakce příznaků, porovnání a následné roz- hodnutí.
Skóre porovnání
Biometrická ?ablona duhovky
Rozpoznání nebo nerozpoznání
Snímek oka Nalezená oblast
duhovky
Normalizovaná oblast duhovky
Získání obrazu Segmentace Normalizace
Extrakce charakteristických
rys?
Porovnání Rozhodnutí
Obrázek 2.1: Proces rozpoznávání oční duhovky [12]
2. Rozpoznávání oční duhovky
2.2 Anatomie oka
Oko je velmi složitým smyslovým orgánem. Umožňuje vnímat světlo a barvy, zprostředkovává získávání velkého množství informací o okolním prostředí a usnadňuje orientaci v prostoru. Zrakové ústrojí je tvořeno oční koulí a pří- datnými očními orgány. Oční koule je uložena v očnici a je složena z několika částí a vrstev. Obalem oční koule je bělima, pevná vazivová blána bílé barvy.
Upíná se na ní šest okohybných svalů zajišťujících pohyblivost oka. V přední části přechází bělima v rohovku, průhlednou kopulovitě zakřivenou vrstvu, která kryje duhovku a zornici. [8, 9]
Obrázek 2.2: Anatomie oka [13]
18
2.2. Anatomie oka Duhovka má tvar mezikruží se středovým černým otvorem zvaným zor- nice. Obsahuje dva hladké svaly, svěrač a rozvěrač, které mění průměr zornice a regulují tak množství světla, které proniká do oční koule. Svěrač zornice je tvořen cirkulárně orientovanými svalovými vlákny. Umožňuje zúžení zornice, a tím omezení množství světla, které vniká do oka. Rozvěrač zornice je tvo- řen radiálně uspořádanými svalovými vlákny a zajišťuje rozšíření zornice při nedostatku světla. Automatická reakce zornice na různou intenzitu světla se nazývá zornicový reflex. [8]
Duhovka má na svém povrchu velké množství rysů jako jsou například krypty, radiální rýhy či pigmentové skvrny, které tvoří její typickou kresbu a dělají duhovku jedinečnou. Přední plochu duhovky dělí kruhovitý vlnitý lem na dva různě velké prstence, vnitřní pupilární a vnější ciliární, též nazývanou řasovou. Pupilární část je užší a obsahuje jemnější krypty. Ciliární část je naopak širší a obsahuje krypty hrubší. Struktura duhovky je popsána na ob- rázku 2.3. Barva duhovky podmiňuje barvu očí. Závisí na množství pigmentu nazývaného melanin. Hnědá barva je výsledkem velkého množství pigmentu, naproti tomu u modrých očí pigment chybí. [14]
Obrázek 2.3: Struktura duhovky [13]
2. Rozpoznávání oční duhovky
2.3 Získání obrazu
Prvním krokem procesu rozpoznávání oční duhovky je pořízení snímku oka ka- merou. Snímání se obvykle provádí v blízkém infračerveném spektru vlnové délky mezi 700–900 nm. Další možností je snímání duhovky ve viditelném spektru. Použití infračerveného osvětlení přináší oproti snímání ve viditelném světle řadu výhod, které usnadňují proces rozpoznávání. Infračervené osvětlení je příjemnější pro uživatele, neboť neoslňuje. Další jeho výhodou je, že elimi- nuje v oku zrcadlové odrazy od jiných světelných zdrojů z prostředí. Odhaluje více texturních informací obsažených v duhovce, protože melanin infračervené světlo převážně odráží zatímco viditelné světlo melanin v duhovce obvykle absorbuje. [15]
2.4 Segmentace
Cílem segmentace je nalezení oblasti duhovky v pořízeném snímku oka. Ob- last duhovky lze aproximovat dvěma kružnicemi, jednou větší, představující hranici mezi duhovkou a bělimou, druhou menší, představující hranici mezi duhovkou a zornicí.
Úspěšnost segmentace závisí na kvalitě pořízeného snímku. Pořízený ob- raz duhovky může obsahovat odrazy světla, řasy, oční víčka, zornici, bělimu a další nežádoucí části, které komplikují segmentaci. Tyto části je třeba de- tekovat a z výsledné oblasti duhovky vynechat. Tento krok je důležitý pro následné rozpoznávání. Oblasti, které jsou falešně označeny jako součást du- hovky, mohou ovlivnit přesnost a výsledek porovnávání.
2.4.1 Houghova transformace
Houghova transformace je algoritmus, který lze použít k určení parametrů jed- noduchých geometrických objektů v obraze, jako jsou čáry a kružnice, které lze popsat rovnicí. Kruhová Houghova transformace může být použita k nalezení poloměru a středových souřadnic zornice a duhovky.
Nejprve jsou pomocí hranového detektoru v obrázku nalezeny hrany, tedy místa, kde dochází k velké změně kontrastu pixelů. Vznikne tak tzv. mapa hran, která je vstupním bodem pro použití Houghovy transformace. Každý nalezený hranový bod je projektován do prostoru parametrů. Projekce pro- bíhá přičtením pevně dané konstanty na všechna místa prostoru parametrů, kterými prochází pomyslná kružnice se středem ve zvoleném hranovém bodě a s daným poloměrem. Za předpokladu známého poloměru se v bodě středu hledaného kruhu v prostoru parametrů vyskytne maximum. Pro neznámý po- loměr je postup obdobný, provede se projekce pro hodnoty poloměru ve zvo- leném rozsahu a následně je nalezena maximální hodnota přes celý prostor parametrů. [15]
20
2.5. Normalizace 2.4.2 Integro-diferenciální operátor
Integro-diferenciální operátor je technika segmentace oční duhovky navržená Johnem Daugmanem [16]. Operátor slouží k nalezení vnitřního a vnějšího okraje duhovky. Předpokládá, že zornice a duhovka jsou kruhové útvary a cho- vá se jako kruhový hranový detektor. Využívá toho, že na hranici duhovky s bělimou a hranici duhovky se zornicí dochází k velké změně jasu. Integro- diferenciální operátor je definován jako:
max(r,x0,y0)Gσ(r)∗ ∂
∂r I
r,x0,y0
I(x, y)
2πr ds (2.1)
kde I(x, y) je intenzita pixelu na souřadnicích (x, y) v analyzované obrazové matici. Symbol ∗značí konvoluci a Gσ(r)je vyhlazovací funkce, kterou může být například Gaussův filtr. Hodnotaσ určuje míru vyhlazení obrazu. Proces vyhlazení pomáhá zmírnit šum a eliminovat slabé hrany, které jsou v obraze nežádoucí, a naopak zachovat požadované silnější hrany. Operátor prochází obrazovou oblast a hledá maximální hodnotu z parciální derivace normalizo- vané kontury integrálu vstupního obrazu s ohledem na poloměr r a středové souřadnice(x0, y0). Výstupem jsou parametry kružnice, které nejlépe vyhovují vnitřní a vnější hranici duhovky.
Úpravou parametrů je možné realizovat také detekci horního a dolního očního víčka. Část vzorce, která je použita k detekci kontury je zaměněna z kruhové na obloukovou. [15]
2.5 Normalizace
Po úspěšné segmentaci obvykle následuje další fáze, kterou je normalizace.
Tento krok je v zásadě volitelný, avšak značně zjednodušuje následující části procesu rozpoznávání. Tvar a velikost nalezené oblasti duhovky může ovlivnit řada faktorů. Jedním z nich je zužování a rozšiřování zornice v reakci na růz- nou intenzitu okolního osvětlení. V případě zúžení zornice se plocha duhovky zvětší, naopak při rozšíření zornice se plocha duhovky zmenší. Velikost du- hovky může být také ovlivněna vzdáleností oka od kamery. Dalším faktorem je, že oblast zornice není vždy soustředná s oblastí duhovky a je obvykle mírně posunuta směrem k nosu. Cílem normalizace je transformace oblasti duhovky ve tvaru mezikruží do obdélníkového tvaru s pevnými rozměry.
2.5.1 Daugmanův model hrubého zarovnání
Každý bod (x, y) v oblasti duhovky je převeden z kartézských souřadnic na polární souřadnice(r, θ), kderje z intervalu[0,1]aθje úhel z intervalu[0,2π].
Proces je znázorněn na obrázku 2.4. [1]
2. Rozpoznávání oční duhovky
Obrázek 2.4: Daugmanův model hrubého zarovnání [1]
Přemapování oblasti duhovky z (x, y) kartézských souřadnic na normali- zovanou polární reprezentaci je definováno jako:
I(x(r, θ), y(r, θ))→I(r, θ) (2.2) x(r, θ) = (1−r)xp(θ) +rxl(θ)
y(r, θ) = (1−r)yp(θ) +ryl(θ)
kde I(x, y) je obraz duhovky, (x, y) jsou kartézské souřadnice v původním obrazu a (r, θ) jsou odpovídající polární souřadnice, (xp, yp) a (xl, yl) jsou souřadnice hranic zornice a duhovky při úhluθ. [16]
Tento postup kompenzuje výše uvedené faktory ovlivňující tvar a velikost duhovky. Nekompenzuje však rotační nekonzistenci, ta je řešena až při porov- návání šablon duhovek.
2.6 Extrakce příznaků
Cílem procesu extrakce příznaků je získání charakteristických rysů ze vzoru duhovky a vytvoření její kompaktní reprezentace vhodné pro porovnávání s ji- nými duhovkami.
2.6.1 2D Gaborův filtr
V procesu demodulace fáze, použité pro kódování vzoru duhovky, jsou části duhovky promítnuty na plochu 2D Gaborových filtrů, čímž jsou vytvořeny komplexní koeficienty, jejichž reálná a imaginární část specifikuje souřadnice fázoru v komplexní rovině. Úhel každého fázoru je pak kvantován do jednoho ze čtyř kvadrantů (obrázek 2.5). Tím jsou získány dva bity fázové informace.
Tento proces je opakován pro všechny části duhovky, pro různé velikosti filtrů, frekvence a orientace. Výstupem je kód duhovky. [16]
22
2.6. Extrakce příznaků Na obraz duhovky, získaný v procesu normalizace, jsou aplikovány 2D Gaborovy filtry definované jako:
G(ρ, ϕ) =e−iω(θ0−ϕ)e−(r0α−ρ)22 e
−(θ0−ϕ)2
β2 (2.3)
kde (ρ, ϕ)udává pozici v obrazu, (α, β) značí výšku a šířku filtru a ω je frek- vence filtru. [16]
Komplexní Gaborova odpověď je následně kvantována do dvou bitů pomocí následujících nerovností:
hRe=
1 pokud ReRρRϕI(ρ, ϕ)e−iω(θ0−ϕ)e−
(r0−ρ)2 α2 e
−(θ0−ϕ)2
β2 ρdρdϕ≥0 0 pokud ReRρRϕI(ρ, ϕ)e−iω(θ0−ϕ)e−(r0−ρ)2α2 e
−(θ0−ϕ)2
β2 ρdρdϕ <0 (2.4)
hIm=
1 pokud ImRρRϕI(ρ, ϕ)e−iω(θ0−ϕ)e−
(r0−ρ)2 α2 e
−(θ0−ϕ)2
β2 ρdρdϕ≥0 0 pokud ImRρRϕI(ρ, ϕ)e−iω(θ0−ϕ)e−
(r0−ρ)2 α2 e
−(θ0−ϕ)2
β2 ρdρdϕ <0 (2.5) kder0aθ0reprezentují polární souřadniceω, α, βjsou parametry Gaborových filtrů,I(ρ, ϕ)je normalizovaný obrázek duhovky,hReje reálná část komplexně ohodnoceného bitu a hIm je imaginární část komplexně ohodnoceného bitu, který může nabývat 0 nebo 1 v závislosti na znaménku integrálu. [17]
Im
Re [0, 1]
[0, 0] [1, 0]
[1, 1]
Obrázek 2.5: Fázová kvantizace [16]
2. Rozpoznávání oční duhovky
2.6.2 Lokální binární vzor
Metoda lokálního binárního vzoru (LBP) slouží k popisu textury obrazu na základě příznaku, který daný obraz charakterizuje. Tento příznak je reprezen- tován histogramem. Vzorec pro výpočet LBP je definován jako:
LBPP,R(xc, yc) =
PX−1 p=0
s(gp−gc)2p (2.6) kde P je počet sousedních bodů centrálního pixelu na souřadnicích (xc, yc), R označuje poloměr kružnice, na které se body nacházejí, gc reprezentuje hodnotu jasu středového pixelu a gp značí hodnotu jasu každého sousedního pixelu. Funkces(x), kde xje rozdíl hodnotgp a gcje definována následovně:
s(x) =
(1 pro x≥0
0 pro x= 0 (2.7)
Vstupem do metody je obraz ve stupních šedi, který je postupně prochá- zen pixel po pixelu. Hodnota každého bodu z okolí je porovnána s hodnotou centrálního bodu. Pokud je hodnota větší nebo rovna než hodnota centrální, výsledkem porovnání je 1, v opačném případě 0. Tímto je získán binární kód.
Následuje váhování každého členu binárního kódu binomickou vahou 2p. Vý- sledné hodnoty každého členu jsou sečteny a je tak získán LBP kód daného centrálního bodu. Stejným způsobem je určena hodnota LBP každého pixelu v obraze, vyjma okrajových pixelů, které nemají dostatek těchto sousedních bodu. Ze všech LBP hodnot je nakonec vytvořen histogram. [15]
2.7 Porovnání
Aby bylo možné určit, zda dva biometrické vzorky duhovky pochází ze stejného oka, je potřeba vzájemně porovnat jejich biometrické šablony. Na základě výsledného skóre porovnání a nastaveném prahu pak proběhne rozhodnutí.
2.7.1 Hammingova vzdálenost
Porovnání dvou kódů duhovek lze provést výpočtem Hammingovy vzdálenosti (HD) dané následujícím vzorcem:
HD= 1 N
XN i=1
codeAi⊕codeBi (2.8) kde codeA a codeB jsou kódy duhovek, N je velikost kódu duhovky v bitech a ⊕je bitový exkluzivní součet (XOR). Hammingova vzdálenost je spočtena jako suma exkluzivních součtů mezi jednotlivými bity kódů duhovek. [1]
24
2.7. Porovnání V případě, že je duhovka zastíněna víčkem, jsou použity binární masky de- finující platné oblasti duhovky. Porovnání dvou kódů duhovek pak lze provést výpočtem Hammingovy vzdálenosti dané následujícím vzorcem:
HD= ||(codeA⊕codeB)∩maskA∩maskB||
||maskA∩maskB|| (2.9)
kde⊕je bitový exkluzivní součet (XOR),∩je bitový součin (AND),||je norm operátor určující počet jedničkových bitů v daném vektoru, codeA a codeB jsou porovnávané kódy duhovek,maskAamaskBjsou jejich příslušné binární masky. [16]
Hammingova vzdálenost udává počet bitů, ve kterých se šablony duhovek liší, vydělené počtem platných bitů. Operátor XOR v čitateli detekuje neshodu mezi odpovídajícími páry bitů kódů duhovek. Aby se zamezilo tomu, že jsou kódy zastřené víčky, jsou použity příslušné bitové masky definující platné ob- lasti pro porovnávání. Jmenovatel tedy odpovídá celkovému počtu platných bitů.
Při snímání oka může dojít k natočení hlavy a tím i k natočení duhovky.
Aby se předešlo nežádoucímu vlivu rotace duhovky na výsledek porovnání, je použit vzájemný bitový posun kódů duhovek. Šablona jedné z duhovek je posouvána ve zvoleném rozsahu doprava a doleva o daný počet bitů. Pro každý z těchto posunů je zvlášť vypočítána Hammingova vzdálenost, přičemž nejmenší dosažená vzdálenost je pak brána jako výsledná hodnota porovnání.
V případě použití masek definujících platné oblasti je posouvána spolu s bio- metrickou šablonou i příslušná binární maska. Příklad porovnání kódů duho- vek s použitím posunů je uveden na obrázku 2.6. [1]
Každý bit kódu duhovky může být se stejnou pravděpodobností roven 0 nebo 1. Dvě duhovky pocházející z rozdílných očí jsou proto nekorelované, očekávaná Hammingova vzdálenost je tak blízká 0,5. Pokud jsou oba kódy získány ze stejné duhovky, pak je díky vysoké korelaci obou kódů Hammingova vzdálenost mezi nimi blízká nule. [2]
2.7.2 Euklidovská vzdálenost
Dalším způsobem, jak porovnat dvě šablony duhovek, je použití Euklidovské vzdálenosti. Vzdálenost DE mezi dvěma šablonami x a y v N-rozměrném prostoru lze definovat jako
DE(x, y) = vu utXN
i=1
(xi−yi)2 (2.10)
kdexijei-tý prvek biometrické šablony ayijei-tý prvek referenční biometrické šablony. [21]
2. Rozpoznávání oční duhovky
10 00 11 00 10 01 00 11 00 10 01 10
00 11 00 10 01 10 00 11 00 10 01 10
01 10 00 11 00 10 00 11 00 10 01 10
? ablona 1
? ablona 1
? ablona 1
? ablona 2
? ablona 2
? ablona 2
Posun o 2 bity doleva
Posun o 2 bity doprava
HD = 0,83
HD = 0,00
HD = 0,33
Obrázek 2.6: Použití posunů při porovnávání kódů duhovek [1]
26
Kapitola 3
Zařízení pro snímání oční duhovky
V této kapitole je popsáno zvolené snímací zařízení, orientační pořizovací ceny komponent a demonstrační databáze snímků.
3.1 Snímací zařízení
S přihlédnutím na cenu a dostupnost komponent bylo pro realizaci snímacího zařízení vybráno Raspberry Pi Zero. Jedná se v současnosti o jedno z nej- levnějších, nejmenších a nejúspornějších Raspberry Pi. Konkrétně byl vybrán model WH, kde písmeno W označuje variantu Raspberry Pi Zero s vestavěnou WiFi a Bluetooth anténou, písmeno H značí osazený GPIO header. Zařízení je napájeno pomocí microUSB konektoru.
Obrázek 3.1: Raspberry Pi Zero WH
